哦错了，导数第二行改一下：rubDF.drop_duplicates(["corp", "stype", "mktime"],keep='first',inplace=True)

data = [["corp1", "stype1", "mktime1", "serNum1", "status1", "20kg","B1","C1","D1"],
["corp1", "stype1", "mktime1", "serNum2", "status3", "20kg","B1","C1","D1"],
["corp1", "stype1", "mktime1", "serNum2", "status5", "30kg","B1","C1","D1"],
["corp1", "stype1", "mktime1", "serNum7", "status3", "40kg","B1","C1","D1"],
["corp2", "stype3", "mktime4", "serNum4", "status9", "A1","B1","C1","D1"],
["corp2", "stype1", "mktime67", "serNum2", "status4", "20kg","B1","C1","D1"]]
rubDF = pd.DataFrame(data,columns=["corp", "stype", "mktime", "serNum", "status", "A","B","C","D"])
rubDF['sortindex'] = rubDF.apply(lambda x:1 if x.A == '20kg' else 2,axis=1)
rubDF.sort_values(by=['sortindex'],ascending=True,inplace=True)
rubDF.drop_duplicates(['A'],keep='first',inplace=True)
print(rubDF)

不知道是不是符合需求

df = pd.read_excel(sheetname=None)
df1 = df[‘ Sheet1 ’]
df2 = df[‘ Sheet2 ’]
1 分钟之内就能读完了，不慢了吧。。

康美药业、利群，了解一下

不管未来多么阴暗多么看不到希望，都不要停止学习。这年头，能让人施以尊敬的，除了业内大佬就是持续学习者了。你要这么想，你和体力劳动者最大的区别不就是多了那么多年的学习么，如果离开学校停止了学习，那差距就会慢慢拉近，你这么多年学习带来的优势也会慢慢消失。其实现在并不是大学生多了所以不值钱了，而是大学生毕业以后就彻底不再学习了，变得和大专中专高中生一样了，为什么还会值钱？

@635614874 就是个 pdf 阅读器。我只是建议楼主想一下有什么方法能够优化查询方式显示方式，因为这种 陌生单词->切换->输入单词->显示单词意思->切回原来的程序 这样的效率很低而且容易打断阅读思路。
（当然这些完全是以一个使用者角度看的，你就当是一个类似产品经理提出来的手机主题根据手机壳自动变色的建议吧手动斜眼。）

目前用过最舒服的查单词，是 mac 下的 skim，右键查找单词无缝衔接 mac 内置词典，弹出一个框显示单词意思，随便在别的地方点一下方框就消失。感觉阅读时候，最烦的是被打断，因此专门切换到单词软件 /terminal 是一件很难受的事情。
所以我觉得你可以往这个方向研究一下，查单词好说，但是如何能在不影响机器性能（例如全局监控鼠标动作键盘动作剪切板等等这种）的情况下不打断阅读流畅性地显示单词意思，这才是最重要的

matt jones
sampilgram
少康战情室

骑车没用别买了。我们有很多胖子车手，而且我们每周的强度真的是大的一批（平均每次来回 50 公里马路
+20 公里越野爬坡），然而依旧很胖。

其实很不理解。。数据仓库就是数据仓库，挖掘就是挖掘，nlp 就是 nlp。为什么数仓工程师非要人家懂机器学习算法懂自然语言处理？到底是要招的什么岗位？这么说吧，市场均价来说 hadoop 开发 20 万，etl 仓库 20 万，nlp30 万，你这又要人家懂 hadoop 又要懂 etl 又要懂 nlp 又要懂 web，你能给多少钱

好像 cv 岗位挺多的。但是之前关注的一个厦大某同学运营的 nlp 公众号里说图像识别最终还是需要 nlp 做内容分析，nlp 更有前景

@wqzjk393 10 个神经元分布代表 1 到 10，用 0 和 1 代表是不是这一个分类。
这个说的可能有点问题。。10 个神经元分布代表 0 到 9，用使用这 10 个输出里面最大的的那一个结果作为最后的预测分类。如果你采用 9 个神经元的话，可以定义一个 threshold 值，如果 9 个输出都小于这个值，那么就认为是最后那个分类。

多输入一输出，理论上是能分割两种类别，一个是输入的加权和通过激活函数以后的值 a，另一个则是 1-a，那么判断 a 和 1-a 的大小就可以定义分到哪一类了(这个激活函数如果不用 sigmoid，改用 softmax，那基本上就可以完全理解成输出为某一类的概率了，然后 1-a 就是另外一类的概率了)。
如果你往后继续看的话，就会看到使用 mnist 数据集做手写识别的时候，一般设计最后一层是 10 个神经元分布代表 1 到 10，用 0 和 1 代表是不是这一个分类。当然如果你要想定义 9 个神经元也没问题，就是全 0 的输出的时候定义为某个特定的值罢了，这只是神经网络结构设计上个人选择而已。类似 python 里面的 df.get_dummies，就是删掉一个输出结果，用其他的输出结果组合（例如全零）来表示这个删掉的

看你是刷题还是看书拿到的证书了。TCP/IP 详解卷 123 看完拿到证书和刷完题库拿到证书，水平明细是不一样的。当年我专业课各种挂科的舍友刷题库拿了 ccna，九百五十还是多少分来的。。。

朴素贝叶斯一个最重要的应用场景就是垃圾邮件分类，现在几乎所有邮箱都有应用的。你先考虑下你们的邮件能不能逃过 spam 再说调研吧。。

高音唱不上去这没啥好办法，需要长时间训练才行。
音准不行的话，可以跟着钢琴唱音阶 123454321 这样的，虽然不会说准确到专业歌手那样，但是几周下来音准对于 ktv 来说绝对够用了

顺便去看准网拉勾网脉脉看看评论 23333

类似看准网的公司评价面试评价这种，注册用户、未注册游客用户只能看到别人的发言、头像和昵称，但是无法点进去查看个人注册信息

外面应该是一个超过 3 维的空间吧